Duygu analizinden karara
İlk kapalı döngü EQ karar modeli.
Duygu yapay zekası izler. Prism, insanların nasıl karar verdiğini öğrenir.
Prism görüşmelerde gerçek zamanlı koçluk yapar. Bir sonraki hamleyi önerir, hamlenin yapılıp yapılmadığını kontrol eder ve tepkiyi sesten, yüzden ve sözlerden okur. Binlerce koçluk görüşmesinde bu sonuçlar, insanların nasıl karar verdiğini gösteren istatistiksel örüntülere dönüşür ve öncesindeki duygusal sinyallerle eşleşir.
GERÇEK ZAMANLI KOÇLUK HER SONUCU MODELE GERİ BESLER
KARARA HAZIRLIK
0.34
- Her görüşmede karar denemesi
- 100’lerce
- Arka planda çalışan duygu metriği
- 40+
- Ses, yüz ve dil tek modelde
- 3 → 1
- Dil desteği, canlı ve görüşme sonrası
- 100+
Şekil 02 · Spektrum
Duygu girer.
Karar çıkar.
Prism sesi, yüzü ve sözleri tek bir okumada birleştirir: kişinin kararın neresinde durduğunu ve bunu değiştirme ihtimali en yüksek hamleyi gösterir.
GİRDİ · 3 KANAL
ÇIKTI · KARAR BAĞLAMI
PRISM
Şekil 03 · Deneme
Her görüşme bir deneydir.
Duygu yapay zekası izleyerek öğrenir. Prism ise koçluk yaparak öğrenir: bir hamle önerir, hamle yapılır, tepki ölçülür ve sonuç kaydedilir. Koçluk yapılan tek bir görüşmede bu denemelerden yüzlercesi gerçekleşir.
Δt < 300 MS · CANLI ANALİZ
01 KOÇLUK HAMLESİ
“Bu konuya neden şimdi baktınız?”
02 TEPKİ
SES
YÜZ
SÖZLER
Enerji yükseliyor
Öne eğiliyor
“Açıkçası satış kaçırıyoruz”
03 KARAR DEĞİŞİMİ
Sorunun aciliyeti yüksek
04 GERİ BİLDİRİM · SONUÇ KAYDEDİLDİ, ÖRÜNTÜ GÜNCELLENDİ
DENEME 120 · 04:12
- 01 Koçluk hamlesi“Bu konuya neden şimdi baktınız?”
- 02 TepkiEnerji yükseliyor · Öne eğiliyor · “Açıkçası satış kaçırıyoruz”
- 03 Karar değişimiSorunun aciliyeti yüksek · hazırlık 0.34
- 04 Geri bildirimSonuç kaydedildi, örüntü güncellendi
Şekil 03B · Geri bildirim nereden geliyor
Gerçek zamanlı koçluk her görüşmeyi veriye dönüştürür.
Sadece izleyerek kaşların çatılmasının neye yol açtığını bilemezsiniz. Koçlukla bilebilirsiniz. Prism’in her önerisi küçük bir testtir, her sonuç bir etikettir ve çevresindeki EQ sinyalleri kanıta dönüşür.
- 01 · OkuEQ modelleri anı okur.Ses, yüz ve sözler, birkaç yüz milisaniyede bir.tereddüt 0,74 · AU24 · 1,4 sn duraksama
- 02 · KoçlukPrism bir sonraki hamleyi önerir.Canlı olarak, temsilcinin ekranında ya da yapay zekâ ajanının bir sonraki cevabında.→ “Endişenin arkasında ne olduğunu sor”
- 03 · GözlemNe olduğunu ölçer.Hamle yapıldı mı? Kişi nasıl tepki verdi? Karar değişti mi?move_taken ✓ · readiness 0.22 → 0.41
- 04 · İlişkilendirmeİnsanların nasıl karar verdiğine dair örüntüler.Binlerce koçluk görüşmesinde sinyal + hamle + değişim, istatistiksel karar örüntülerine dönüşür.fiyatta tereddüt + “nedenini sor” → karara hazırlık +%18
↺ 04 → 02 · Her yeni örüntü bir sonraki koçluk hamlesini keskinleştirirKapalı döngü
Şekil 04 · Mikro geri bildirim
Mikro geri bildirim, bir görüşmede yüzlerce kez.
Sonuçlardan öğrenmek
Fırsat başına 1 etiket: kazanıldı ya da kaybedildi, haftalar sonra
Görüşmenin kendisinden öğrenmek
240 etiket, birkaç saniyede bir
- lehine
- aleyhine
- nötr
240×
Görüşme başına daha fazla geri bildirim
~8 sn
İki karar sinyali arasındaki süre
Saniyeler
Hamleden etikete; haftalar değil
Şekil 05 · Yöntem
- Kaydedilmiş bir klip
- Bir değerlendirici duyguyu tahmin eder
- Tek bir etiket
- Bir şey söylenir
- Ses, yüz ve sözler tepki verir
- Karar değişir
Şekil 06 · Sonuçlar
Duygular kararı tahmin etmez. Prism eder.
Duygu tek başına birinin ne karar vereceği hakkında çok az şey söyler. O ana kadar yaşananları ve kişinin her hamleye nasıl tepki verdiğini ekleyin; tahmin tamamen değişir.
Çubuklar şans düzeyinden (0,5) başlar. Aynı görüşmeler, aynı anlar; tek fark her modelin neyi görebildiği.
İki “tamam.” Aynı duraksama, aynı dudak bastırma. Zıt sonuçlar.
- + Daha önce altı soru sordu
- + Sorunun maliyetini rakamla söyledi
- + 3. çeyrek bütçe döngüsünden bahsetti
Tereddüt zamanlamayla ilgili, değerle değil.
Prism: zamanlama çözülünce büyük ihtimalle evet- − Hiç soru sormadı
- − 10. dakikadan beri kısa cevaplar
- − Sorunun maliyetinden hiç bahsetmedi
Tereddüt değerle ilgili. Aslında hiç “evet” yoktu.
Prism: düşük ihtimal, önce algılanan değeri ele alınŞekil 06B · Bileşenler
Modelin içinde.
- Şekil 06B.1ModelBirleştirme
Refract: üç kanal, tek okuma.
Sesi, yüzü ve sözleri kelime kelime hizalayarak birlikte okuyan ve her okumaya bir güven skoru veren birleştirme (fusion) modeli.
voice · face · words → 1İncele ↗ - Şekil 06B.2SinyalKanal çelişkisi
Tells: sözler ve yüz çeliştiğinde.
Tereddütlü “evet”i, kibar “hayır”ı ve fiyattan önceki duraksamayı yakalar: sesten ve yüzden okunan söylenmeyen endişeler.
channel_conflict · concernsİncele ↗ - Şekil 06B.3MotorGerçek zamanlı
Loopback: öğrenen koçluk.
Bir sonraki hamleyi canlı önerir, yapılıp yapılmadığını kontrol eder, ardından gelen tepkiyi ve karardaki değişimi kaydeder.
move → reaction → shiftİncele ↗ - Şekil 06B.4ÖrüntülerÖğrenilmiş
Atlas: insanların nasıl karar verdiğinin haritası.
Binlerce koçluk görüşmesinden çıkan istatistiksel karar örüntüleri. Olası her sonraki hamleyi beklenen etkiye göre sıralar.
signal + move → liftİncele ↗
Şekil 07 · Duygunun ötesi
Hiçbir duygu modelinin cevaplayamadığını sorun.
“Tamam… aşağı yukarı beklediğimiz gibi.”
Ne söylemeliyiz?
Endişenin arkasında ne olduğunu sorun
En iyi sonraki hamle. Beklenen etki: +%18.
Şekil 08 · Arayüz
EQ modellerini tek başına kullanın. Kararları öğrenmek için canlıya alın.
Kayıtlar ya da canlı yayınlar üzerinde duygu analiziyle başlayın. Gerçek zamanlı koçluğu açtığınızda her görüşme karar modelini de eğitir; Decision Context API kendi verinizle sürekli keskinleşir.
{
"trial": 120,
"coach": {
"suggested_move": "Bu konuya neden şimdi baktınız?",
"delivered_to": "rep_screen",
"move_taken": true
},
"reaction": {
"voice": "Enerji yükseliyor",
"face": "Öne eğiliyor",
"words": "Açıkçası satış kaçırıyoruz"
},
"decision_context": {
"stage": "exploring",
"readiness_before": 0.78,
"readiness_after": 0.34,
"shift": "against"
},
"learning": {
"outcome_logged": true,
"pattern_updated": true
}
}Şekil 08B · Kullanım alanları
Kararların verildiği görüşmeler için.
Satış ve gelir ekipleri için
Her fırsatın nerede durduğunu bilin.
Görüşme daha sürerken her alıcının nerede durduğunu, onu neyin geri tuttuğunu ve bunu değiştirme ihtimali en yüksek hamleyi görün.
- Alıcı bazında aşama ve tutumRefract
- Söylenmeyen endişelerTells
- Canlı “en iyi sonraki hamle” koçluğuLoopback
“Tamam… aşağı yukarı beklediğimiz gibi.”
→Endişenin arkasında ne olduğunu sor. Beklenen etki +%18.
ÖRNEK İŞ AKIŞISıkça sorulan sorular.
Duygunun bir katman ötesine geçer: kişinin kararın neresinde olduğunu, kararı neyin yönlendirdiğini, neyin engellediğini ve bunu değiştirme ihtimali en yüksek hamleyi verir.
Duygu modelleri, birinin sonradan etiketlediği kliplerden öğrenir. Prism ise her tepkiye yol açan hamleyi ve ardından kararın nasıl değiştiğini de görür; böylece bir ifadenin neye yol açtığını öğrenir.
Gerçek zamanlı koçluktan. Prism canlı bir görüşme sırasında bir hamle önerir, yapılıp yapılmadığını kontrol eder, ardından gelen tepkiyi ve karardaki değişimi ölçer. Çevresindeki EQ sinyalleriyle eşleşen bu sonuçlar, karar modelinin öğrendiği veridir.
Evet. Emotion API canlı görüşmelerde ya da kayıtlarda tek başına çalışır. Gerçek zamanlı koçluğu açtığınızda, Decision Context API’yi besleyen öğrenme döngüsü de devreye girer.
Evet. Prism, Türkçe dahil 100’ü aşkın dilde canlı ve görüşme sonrası analiz yapar.
Evet. Prism ağırlığı sese ve dile kaydırır ve her analizin hangi kanallara dayandığını gösterir; böylece telefon görüşmeleri hiçbir zaman kör nokta olmaz.
İkisi de. Canlı analiz için ses ve görüntüyü anlık olarak gönderin ya da kayıtları toplu iletin. Çıktı şeması her durumda aynıdır.
Evet. Prism şirket içine (on-premise) kurulabilir; böylece ses, görüntü ve tüm sinyaller sizin ortamınızda kalır.